تخمین مقادیر جاافتاده در سریهای زمانی دادههای آلودگی هوای شهر تهران | ||
| محیط شناسی | ||
| دوره 48، شماره 4، زمستان 1401، صفحه 439-459 اصل مقاله (1.84 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2022.339422.1008287 | ||
| نویسندگان | ||
| مسلم دهنوی ئیلاق؛ رحیم علی عباسپور* | ||
| گروه سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشهبرداری و سیستمهای اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| امروزه آلودگی هوا به یکی از معضلات مهم در شهرهای پرجمعیت تبدیلشده است که هرساله تعداد قابلتوجهی از ساکنان شهرها را با مشکلات ریوی روبرو میکند و میتواند تأثیرات جبرانناپذیری بر سلامت شهروندان داشته باشد. دستگاههای ثبت آلودگی هوا در شهرها، آلودگی را بهصورت ساعتی ثبت میکنند. مشکلات فنی پیشآمده برای این دستگاهها، در بعضی مواقع سبب میشود بخشی از دادههای مهم ثبت نگردند و درنتیجه آن، مقادیر جاافتاده در داده های ایجاد میگردد. در این مطالعه به تخمین مقادیر جاافتاده پرداختهشده است. این مطالعه رویدادههای آلودگی هوای شهر تهران شامل غلظت آلایندههای PM2.5، PM10، SO2، NO2، O3 و CO انجامشده است. در این مطالعه الگوریتم LANN که در تخمین و پیشبینی سریهای زمانی تک متغیره کاربرد دارد، استفادهشده است و مقادیرجاافتاده برای تمامی آلایندهها پیادهسازی و مقایسه شده است. همچنین در بخشی دیگر از مطالعه، سایر آلایندههای محیطی در برآوردمقادیر جاافتادهدر نظر گرفتهشدهاند که با بهکارگیری روش شبکه عصبی، تخمین مقادیر جاافتاده برای همه آلایندهها انجامشده است. همچنین برای بررسی و مقایسه الگوریتم ها از شاخص RMSE استفاده شده است. مقدار RMSE در روش LANN نسبت به سایر مدلهای سادهتر شامل میانگین، رگرسیون خطی و LOCF مقدار کمتری داشت به نحوی که مقدار آن 30 تا 50 درصد، بسته به نوع آلاینده کمتر بوده است. همچنین الگوریتم شبکه عصبی نسبت به سایر روشها در تخمین مقادیر PM2.5، RMSE کمتری داشت و مقدار آن 78/7 بوده است. | ||
| کلیدواژهها | ||
| آلودگی هوا؛ برنامهریزی ژنتیک؛ داده جا افتاده؛ پیشبینی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,032 تعداد دریافت فایل اصل مقاله: 917 |
||